Google DeepMind i Google Research predstavili su 3. rujna WeatherNext 3, globalni sustav umjetne inteligencije za vremenske prognoze koji može pokrenuti novi izračun svakog sata. Najvažnija novost nije samo veća mreža modela nego izravno korištenje svježih mozaika geostacionarnih satelita, uz klasične analize atmosfere. Time se smanjuje starost ulaznih podataka i otvara prostor za brže praćenje kiše, snijega i naglih promjena vremena. Sustav je već operativan te počinje ulaziti u Google Search, Maps i Gemini, dok istraživači i tvrtke podatke mogu dohvatiti preko Googleovih podatkovnih platformi.

Dva izvora podataka, 64 moguća razvoja vremena

Današnje globalne prognoze počinju takozvanom analizom: računalno složenom procjenom stanja atmosfere koja spaja mjerenja sa zakonima fizike. Ona je pouzdana, ali do trenutka objave može biti stara između šest i 12 sati. WeatherNext 3 zato ne odbacuje fizikalni lanac, nego mu dodaje 12 najnovijih satnih mozaika geostacionarnih satelita. Najsvježija satelitska slika u operativnom sustavu kasni manje od jednog sata, dok dva ulazna polja analize daju širi trodimenzionalni kontekst atmosfere.

Model zatim stvara 15-dnevnu ansamblsku prognozu sa 64 člana. Ansambl znači da sustav ne isporučuje samo jednu navodno sigurnu budućnost, nego skup mogućih razvoja vremena. Razlike među njima pomažu procijeniti vjerojatnost kiše, jakog vjetra ili putanje ciklona. To je bitno jer je atmosfera kaotičan sustav: mala pogreška u početnom stanju s vremenom može prerasti u veliku razliku u ishodu.

Pet puta oštrija slika, ali ne za svaku varijablu

WeatherNext 2 objavljivao je prognoze na mreži od 25 kilometara u šestsatnim koracima. Nova generacija prikazuje temperaturu i vlagu pri tlu do pet kilometara, druge prizemne varijable oko deset kilometara, a dio podataka više u atmosferi na 25 kilometara. Zato Google govori o približno pet puta oštrijoj globalnoj slici, ali ta se formulacija ne smije čitati kao univerzalna petostruka preciznost za svaki meteorološki podatak.

Fina mreža posebno je korisna uz obalu, u dolinama i planinama, gdje se temperatura i vlaga mogu snažno promijeniti na maloj udaljenosti. WeatherNext 3 uči i iz mjerenja meteoroloških postaja te koristi podatke o nadmorskoj visini i odnosu kopna i mora. To modelu omogućuje da procijeni uvjete i na lokacijama koje nisu bile među postajama za treniranje, premda su opažanja i dalje mnogo rjeđa u visokim planinama, nad oceanima i u dijelovima svijeta izvan Europe i Sjeverne Amerike.

Najveće obećanje i najvažniji oprez odnose se na oborine

Kiša i snijeg teški su za globalne modele jer nastaju u brzim procesima na malim prostornim skalama. Google je WeatherNext 3 trenirao na NASA-inu satelitskom skupu IMERG i vlastitoj rekonstrukciji oborina izvedenoj iz svemirskog radara. U objavljenim testovima poboljšanje kontinuiranog rangiranog probabilističkog rezultata, mjere koja nagrađuje točne i dobro kalibrirane vjerojatnosti, doseže 60 posto prema IMERG-u, 30 posto prema američkom radarskom skupu MRMS i 10 posto prema kišomjerima u ranim rokovima prognoze.

Brojke ipak nisu međusobno zamjenjive. IMERG nije potpuno neovisan test jer je služio i kao cilj treniranja; MRMS uglavnom pokriva kontinentalni SAD; mreža kišomjera nejednaka je po svijetu. Autori su evaluaciju ograničili na umjerene šestsatne količine do četiri milimetra jer su ekstremni događaji prerijetki za stabilan rezultat. Stoga Googleovu tvrdnju da korisnici mogu vidjeti do 50 posto točnije oborine dan ili više unaprijed treba čitati kao rezultat određenih mjerenja, a ne kao jamstvo za svaki pljusak i svaku državu.

Od laboratorija do Karata, energetike i poslovnih podataka

WeatherNext 3 počinje pogoniti vremenske prikaze u Google Searchu, aplikaciji Gemini, Google Mapsu, Weather API-ju i Earth Engineu. Visokorezolucijske prognoze dostupne su i u BigQueryju te za skupno preuzimanje iz Cloud Storagea, bez potrebe da korisnik sam postavlja i izvršava model. TechCrunch je izvijestio da je sustav bio vodeći u Brightbandovoj tadašnjoj operativnoj usporedbi za temperaturu, vjetar i vlagu. To je koristan vanjski signal, ali pojedina ljestvica ne dokazuje najbolji rezultat za svaku pojavu, regiju i vremenski horizont.

Google je model prilagodio i energetskim primjenama. Među izlazima su brzina vjetra na visini od 100 metara, približno visini turbine, zatim naoblaka i sunčevo zračenje. Operatori vjetroelektrana i sunčanih elektrana takve prognoze mogu koristiti za procjenu proizvodnje i usklađivanje s potražnjom. Praktična vrijednost ovisit će o lokalnoj kalibraciji, ugovorima za podatke i tome koliko dobro model hvata rijetke ekstreme koji najviše opterećuju mrežu.

AI ubrzava prognozu, ali ne ukida meteorologiju

Rad otvoreno navodi tehničke nesavršenosti. U pojedinim članovima ansambla pojavljuju se heksagonalni uzorci povezani s mrežom modela, osobito kod oborina, a na granicama šestsatnih blokova mogu nastati vremenski skokovi u prognozama za postaje. Medijan ansambla i vjerojatnosti prelaska praga uglavnom su stabilniji. Usto je WindBorne osporio Googleovu formulaciju o prvom globalnom sustavu koji izravno uključuje sirova opažanja; Google je razliku branio višom globalnom razlučivošću.

Za Hrvatsku nema objavljene zasebne provjere po regijama, obali ili jadranskim olujama. WeatherNext 3 može postati koristan dodatni izvor za građane, energetiku i istraživače, no i dalje se oslanja na dio ulaza iz fizikalnih modela. Meteorološke službe uspoređuju više modela s radarskim, satelitskim i zemaljskim opažanjima prije izdavanja upozorenja. Google zato izričito upućuje korisnike da se za službene prognoze i opasne vremenske pojave oslone na lokalnu ili nacionalnu službu.

Zašto je važno

WeatherNext 3 premješta AI prognozu iz povremenog globalnog izračuna prema svježijem, satnom i lokalnijem sustavu koji je već ugrađen u široko korištene proizvode. Najveća vrijednost može biti u bržem praćenju oborina i planiranju obnovljive energije, pod uvjetom da se ograničenja evaluacije ne izgube u marketinškim postocima.

Hrvatska / EU kontekst

Europski meteorološki ekosustav dobiva još jedan operativni globalni ansambl uz ECMWF-ove fizikalne i AI sustave. Za Hrvatsku nisu objavljeni lokalni rezultati, pa WeatherNext 3 treba tretirati kao dodatni podatkovni sloj, a ne zamjenu za službene prognoze i upozorenja.

Što još ne znamo

  • Glavne brojke o poboljšanju objavili su Googleovi istraživači, a svaki referentni skup za oborine ima drukčiji obuhvat i ograničenja.
  • Ekstremne oborine nisu obuhvaćene glavnom evaluacijom, a pojedini članovi ansambla pokazuju prostorne i vremenske artefakte.
  • Nema zasebno objavljenih rezultata za Hrvatsku ni jamstva da će svaki lokalni događaj biti prognoziran bolje.